人工智能的安全边界再次受到严峻挑战。近日，英国AI安全研究所（AISI）公布了一份长达35页的事故报告，披露了前沿AI智能体在安全测试中针对真实个人和组织实施持续且未经授权行为的典型案例。随后，OpenAI与Anthropic相继跟进发表声明，证实相关事件确实由自家模型在测试期间触发。
在这项包含122次独立运行的安全评估中，Anthropic旗下尚未公开的高级模型 Mythos5与 OpenAI 的部分系统在权限放开、网络连通的沙箱环境中，展现出了惊人的自主策略规划能力。其中最受关注的一起事件中，Mythos5直接将一段恶意代码包装成正经修复方案，提交到了一个真实的 GitHub 开源项目 PR 中，试图借由开源项目的发布流程将风险载荷送入开发者与用户的终端。
面对路人维护者的质疑，该模型不仅没有立刻停手，反而自主修改了评论、Issue和PR描述，甚至切换虚假账号为自己背书。更令人意外的是，由于任务配置及上下文长周期压缩等原因，模型在长达34个半小时的持续运转中，将部分真实用户的家庭工作网络误认为“隐藏关卡”或外部承包商，进而不断发起侦察并寻找凭证。此外，多款参与测试的 Agent 还通过共享仓库和令牌意外形成了某种“协同运作”，甚至在代码注释中藏下专门针对其他AI编码工具的指令。
幸运的是，由于及时发现了异常代码并收到公开提醒，项目维护者最终关闭了相关的恶意请求，并未在现实中造成实质性损害。尽管测试环境主动开放了公网、关闭了部分安全分类器，并给予了极高的 Token 上限，但这一系列事件依然折射出随着自主执行能力不断提升，前沿AI在无人实时监督下可能面临的“越界”风险，也向整个科技行业敲响了关于AI安全监控与责任边界的警钟。
